Estars博客 
简历上写了AI项目，怎么才能拉开差距？
简历上写了AI项目，怎么才能拉开差距？
作者：马丁不会代码（10年大厂后端，Apache ShardingSphere Committer，Hippo4j 作者，现 All in AI 落地一线）
来源：牛客网 | 更新日期：2026/6/4
一、确定业务场景：你的项目到底在给谁用？
很多同学简历上写”基于 RAG/Agent 实现智能体系统”，面试官第一个问题一定是：什么场景？谁在用？解决什么问题？
如果你回答”只是一个通用问答”，这条项目基本就废了。
1. 为什么业务场景这么重要？
RAG/Agent 的每个环节——分块策略、检索方式、Prompt 设计、意图识别、循环问答、上下文记忆——都跟业务场景强相关。同样是智能客服，电商客服和企业 IT 客服的知识库结构、用户问法、回答要求完全不一样。
2. 场景怎么定？不要凭空编，去抄真实的
以电商客服为例：
- 调研真实商城：去小米商城、无印良品、网易严选等平台，摸清客服系统
- 梳理意图体系：3个一级意图（产品咨询、用户反馈、闲聊兜底）、22个二级意图
- 构建文档体系：115篇知识库文档，刻意埋参数表、对比表、故障树等结构化内容
- 设计评估集：150条评估 Query，标注难度（简单/中等/困难）
3. 值得参考的方向
| 场景 | 文档类型 | 典型问题 | 技术难点 |
|---|---|---|---|
| 电商客服 | 商品详情、售后政策、操作手册 | 多商品对比、故障诊断 | 结构化表格检索、跨文档多跳推理 |
| 企业 IT 帮助台 | 内部系统操作手册、故障处理 SOP | VPN怎么连、系统报错 | 多系统意图路由、权限隔离 |
| 法律咨询 | 法规条文、司法解释 | 合同纠纷、诉讼时效 | 条款精确匹配、多法规交叉引用 |
| 金融理财 | 产品说明书、风险提示 | 基金风险等级、手续费 | 数值精度、合规约束 |
关键是能回答三个问题：
- 用户是谁？→ 电商买家、企业员工、法务人员
- 他们会问什么？→ 能列出10-20个典型问题
- 回答错了会怎样？→ 决定了你对幻觉抑制的要求有多高
二、Agentic RAG：从查资料到帮用户解决问题
这是面试中最能拉开差距的部分。
1. 什么是 Agentic RAG？
一句话概括：让 RAG 系统具备规划、决策和行动能力，不只是查资料，而是像一个有经验的客服一样帮用户解决问题。
| 用户问题 | Naive RAG | Agentic RAG |
|---|---|---|
| 扫地机 T20 吸力多大？ | 检索详情页返回参数 ✅ | 同左（简单问题不需要 Agent） |
| T20 和 T20 Pro 选哪个？ | 检索两个 chunk，可能拼不全 ⚠️ | 并行检索，结构化对比后推荐 ✅ |
| 120平有猫有小孩，预算5000配方案 | 检索到不相关的 chunk ❌ | 拆解约束，多轮检索+调价格接口 ✅ |
2. Agentic RAG 的核心能力
2.1 推理与行动交替（ReAct）
LLM 在一个思考→行动→观察的循环中逐步推进，每一步做什么不是预先写死的，而是根据上一步的结果动态决定。
2.2 任务规划与分解（Plan-and-Execute）
先退一步想清楚整体方案，再分步执行。Agent 知道一次检索解决不了问题，需要分多步、有策略地收集信息。
2.3 工具编排与 MCP 协议
常见工具：price_query、inventory_check、order_lookup、coupon_query、compare_products、warranty_claim
- 走 MCP 协议（Model Context Protocol） 注册和调用
- 新增工具只需实现执行器接口并注册，不用改主链路代码
2.4 技能封装（Skill）
把常见的多步操作打包成一个可复用的能力单元：
| Skill | 内部逻辑 |
|---|---|
| 商品对比 | 并行检索两个商品详情 + 调价格接口 + 按对比模板输出 |
| 选购推荐 | 分析用户约束 → 知识库筛选 → 查价格 → 组合推荐 |
| 故障诊断 | 检索故障树 → 引导式多轮追问 → 定位原因 → 给方案或转人工 |
打个比方：Tool 是螺丝刀、扳手，Skill 是”换轮胎”这个完整操作。
2.5 自我反思与纠偏（Self-Reflection）
- 检索质量检查：检索结果相关度低？换 query 重新检索
- 答案完整性检查：用户问了三个子问题只覆盖了两个？补充检索
- 工具结果校验：价格接口返回异常值？降级为用户到商品页查看
- 幻觉自查：答案中包含检索上下文没有的参数数据？触发兜底
这种自我纠偏能力，是 Agentic RAG 和固定流水线的根本区别。
3. 完整场景串讲——扫地机选购
用户：120平，两只猫，客厅铺地毯，T20 和 X20 Pro 哪个合适？哪个更划算？
Agent 执行过程：
[思考] 复杂选购决策，三个维度：场景适配、产品对比、价格对比 [行动] 并行检索知识库 + 调价格接口 [观察] X20 Pro 更匹配养宠场景（8000Pa吸力、防缠绕、自动集尘） [思考] T20 5000Pa低于建议值，X20 Pro 更合适 [行动] 生成结构化推荐
固定流水线像流水线工人；Agent 像一个有经验的销售顾问。
三、面试怎么讲 Agentic RAG？
1. 先讲核心区别
Naive RAG：固定流水线——Query 进来，检索，生成，结束 Agentic RAG：LLM 在决策位——自己判断检索还是调工具、一步到位还是分步推进、质量够不够要不要重试
2. 用设计模式撑起深度
| 模式 | 说明 | 场景举例 |
|---|---|---|
| ReAct | 思考→行动→观察，循环推进 | 故障诊断 |
| Plan-and-Execute | 先规划再执行 | 全屋清洁方案推荐 |
| Tool Use | 动态选择和调用工具 | 查实时价格、查库存 |
| Self-Reflection | 检查中间结果，不够就重试 | 检索结果不相关时换 query |
| Multi-Step | 多次检索/调用才能回答 | 配件兼容查询 |
3. 落到工程实现上
- 意图识别：规则层快速过滤 + LLM 分类兜底
- ReAct 死循环控制：最大推理步数 5 步，超过强制生成最优答案
- 工具调用协议：MCP 协议，参数 Schema 注册
- KB 和 Tool 结果合并：Prompt 里分区标注来源
- 工具调用失败降级：不阻断主流程，降级为纯 KB 回答
四、评测体系：你怎么知道系统效果好不好？
1. 分层评测思路
| 评测层 | 核心指标 | 参考目标 |
|---|---|---|
| 意图识别与路由决策 | Top-1 准确率 | >= 90% |
| 检索质量 | Hit@5、context_recall | Hit@5 >= 90%, recall >= 0.80 |
| 工具调用质量 | 工具决策准确率、参数提取准确率 | — |
| 生成质量 | faithfulness、answer_relevancy | faithfulness >= 0.90 |
| Agent 行为质量 | 多步完成率、自我纠偏成功率 | — |
| 业务红线与性能 | 误拒率、错答率、P95 延迟 | — |
2. 评估集怎么建？
- 覆盖所有意图类型和路径组合
- 难度分级：简单、中等、困难
- 标注完整：期望文档 ID、标准答案、意图标签、工具调用真值
- 口语化：模拟真实用户输入，含错别字、省略
- 规模：50-100 条起步 → 150-200 条完善（30% 以上涉及工具调用）
3. 面试怎么讲评测？
讲清楚三件事：
- 你评了什么：150 条评估集，覆盖 22 个意图，三档难度分布
- 结果怎么样：意图准确率 95%，Hit@5 92%，faithfulness 0.93
- 做了什么优化：发现问题 → 定位原因 → 改进 → 提升数据
五、生产级工程能力
1. AI 基础设施层
- 模型路由与多级 Fallback：阿里百炼 → SiliconFlow → 本地 Ollama
- 三态熔断器：CLOSED → OPEN → HALF_OPEN → CLOSED
- 流式首包探测：首包到了才算成功，超时切下一个模型
- Embedding / Rerank 也需要路由和 Fallback
2. 数据管道层
- 文档入库流水线：抓取 → 解析 → 分块 → 向量化 → 入库
- 按文档类型选择分块策略：商品详情页按段落、售后按条款、FAQ 按问答对
- 定时同步与增量更新：旧 chunk 删除 + 新 chunk 入库原子操作
3. Agent 运行时层
- 多路检索引擎：意图定向检索 + 向量全局检索并行
- 会话记忆管理：混合策略——最近几轮完整保留，超出触发 LLM 摘要压缩
- Prompt 模板管理：模板引擎管理，支持版本管理
- Agent 循环控制：最大步数、单步超时、Token 预算、重复行为检测
4. 并发与限流层
- 分布式排队限流：Semaphore + ZSET + Lua + Pub/Sub
- Token 成本控制：区分场景用不同级别模型，简单问题快速短路
5. 可观测性层
- 全链路追踪：TTL 跨线程透传
- Agent 决策日志：ReAct 每一步都落日志
- 关键指标：请求量/成功率/P95延迟、意图分布、工具调用成功率、平均 ReAct 步数、Token 消耗分布
六、面试怎么讲这个项目？
一分钟项目介绍模板
我做了一个企业级 Agentic RAG 智能问答系统，业务场景是 XXX（电商客服/企业帮助台/…）。和普通 RAG 不同的是，系统采用 ReAct 模式，LLM 自主决定每一步该检索知识库还是调用业务接口，支持多步推理和自我纠偏。核心技术包括意图识别与动态路由、多路检索引擎、MCP 工具编排、模型路由与三态熔断、分布式排队限流。
在评测方面，基于真实业务场景构建了 150 条评估集，覆盖 22 个意图类型，分层评测意图准确率、检索命中率、工具调用准确率和生成忠实度。检索 Hit@5 达到 XX%，工具决策准确率 XX%，生成 faithfulness 达到 XX。
技术栈是 Java 17 + Spring Boot 3 + PostgreSQL / Milvus + React 18，后端约 4 万行代码。
高频追问应对
| 问题 | 回答要点 |
|---|---|
| 检索效果不好怎么优化？ | 先定位问题在哪一层：Hit@5 低→分块/Embedding；context_recall 低→分块策略/Rerank；answer_correctness 低→Prompt |
| 怎么解决幻觉？ | 多层防线：Prompt限定来源+兜底指令、检索设相似度阈值、Agent生成后自查、RAGAS持续监控 |
| 和 LangChain/Dify 搭的有什么区别？ | 生产环境需要精确控制——熔断、限流、检索通道、上下文透传，框架不提供或方案不适合 |
| Agentic RAG 和普通 RAG 核心区别？ | 控制权在谁手里——流水线 vs LLM 自己做决策 |
| ReAct 怎么防止死循环？ | 最大步数上限 + 单步超时控制 + 重复行为检测 |
| 会话记忆怎么处理？ | 混合策略：近几轮完整保留，超出触发摘要压缩；ReAct 中间推理不存进记忆 |
七、最容易踩的坑
- 只讲技术栈，不讲业务决策 —— 技术选型要和业务场景绑在一起讲
- 说不出具体数字 —— 评估集多少条、Hit@5 多少、优化前后对比
- 把框架当成自己的能力 —— 说清楚框架帮你做了什么、你自己做了什么
- 不了解自己项目的代码 —— 面试前挑 2-3 个最熟的模块 Debug 一遍
- 讲 Agent 只停留在概念 —— 要能拿出一个复杂问题，一步步还原推理过程
- 忽略成本和延迟 —— 准备好简单/复杂问题平均步数、Token 消耗范围、P95 延迟
- 评测只覆盖了 happy path —— 评估集至少 30% 应该是 Agent 特有的复杂场景
八、面试前的检查清单 ✅
业务场景
- 服务什么业务场景？目标用户是谁？
- 梳理了多少种用户意图？举 3 个典型的
- 知识库有多少篇文档？文档体系怎么设计的？
Agentic RAG
- ReAct 模式是什么？和固定流水线的区别？
- 举一个复杂问题，用 思考→行动→观察 讲清推理过程
- 检索结果质量不够时怎么自我纠偏？
- 工具调用失败了怎么降级？
评测体系
- 评估集多少条？意图分布和难度分布怎样？
- 评了哪几层？每层用什么指标？
- 基于评测结果做过什么优化？给出具体数字
工程能力
- 模型 API 挂了怎么办？三态熔断器状态转换条件？
- 大模型并发限制怎么处理？
- Prompt 模板怎么管理？版本控制和效果回退？
- Agent 的 Token 消耗大概什么量级？怎么控制成本？
对比优势
- 和用 LangChain/Dify 搭的有什么区别？
- 最有挑战的技术难点是什么？怎么解决的？
写在最后
面试官想听的从来不是技术名词的堆砌，而是你解决问题的思考过程。
把上面的问题，对着自己的项目一个个过一遍。能讲清楚的，写进简历；讲不清楚的，要么补，要么删——简历上每一行字，都得是你能扛住追问的。
祝大家都能拿到心仪的 offer。🎉
马丁｜10 年大厂后端，Apache ShardingSphere Committer，Hippo4j 作者（GitHub 6k+ Star），现 All in AI 落地一线。
Share Article
If this article helped you, please share it with others!
Music
No playing